【量天尺】建图定位算法-上海(J20652)

我们希望你是 2024年11月-2026年10月 期间毕业的 博士/硕士研究生 同时也是： 学术先锋：在国内外顶刊/顶会上发表过重要学术论文（包括但不限于NeurIPS、ICML、CVPR、ICCV、ECCV 等顶会或 IEEE Transactions 系列核心期刊） 竞赛达人：在国内外顶尖赛事中取得优秀成绩（包括但不限于RoboMaster、Topcoder、Codeforces、ACM-ICPC、RoboCup、Kaggle、Nips、Kdd） 实战高手：有自动驾驶、机器人、大模型基座，复杂Agent相关科研项目或实习经历（包括但不限于感知算法优化、决策模型开发,复杂多Agent的搭建等） 同频共振：理性务实、敢想敢干、渴望成功、乐观激进、聪明自省 工作内容 1.面向L4业务的行泊车场景，开发高精度、高可靠性的定位与建图算法，包括但不限于在高精场景，轻图场景，端到端场景下解决相关cornercase问题；针对车载计算平台特性，优化算法性能与资源占用，提升系统实时性与鲁棒性。 2.参与多传感器（GNSS/LiDAR/IMU/轮速/视觉等）融合定位和建图算法设计和迭代优化。 3.参与在线语义地图构建、数据挖掘、云端模型、4dlabel等算法研发。 4.参与基于GNSS， IMU等传感器多场景下的实时车道级绑路、偏航算法，基于深度学习的地图匹配，航位推算等算法研发。 5.负责激光、视觉以及语义信息的三维重建、SLAM算法研发。支撑众包地图产线研发和量产落地，提升众包建图有效率。

1.计算机/机器人/自动化等相关专业硕士及以上学历。 2.熟练掌握 C++ 编程，精通 PyTorch等主流深度学习框架，熟悉 ROS 框架及 Linux 开发环境； 3.熟练掌握多视几何、图优化等算法,深入理解 LIO-SAM、LIO-Mapping、VINS-Mono 等主流 SLAM 框架，熟悉其源码实现逻辑与优化方法； 4.熟悉多传感器融合（激光雷达/摄像头/IMU）的三维重建技术(如NeRF、3DGS),有基于nerf/3D高斯场景重建的经验者优先； 5.精通卡尔曼滤波（Kalman Filter）、非线性优化等理论，具备多传感器融合算法的设计与开发经验； 6.熟悉深度学习在 SLAM 领域的应用（如语义 SLAM、动态物体处理、端到端定位等），具备相关项目经验者优先； 7.沟通能力良好，具有强烈的责任心和团队合作精神